Präzision, Wortbreite und was wirklich dahinter steckt

23.11.2025 aktualisiert 04.05.2026 4 Min. Lesezeit

Float vs. Double - Präzision, Wortbreite und was wirklich dahinter steckt

Nachdem wir im vorherigen Artikel verstanden haben, wie Fließkommazahlen grundsätzlich funktionieren, stellt sich eine naheliegende Frage:

Was ist eigentlich der Unterschied zwischen einem float und einem double?

Auf den ersten Blick wirken beide Datentypen ähnlich - schließlich speichern beide Kommazahlen. Der entscheidende Unterschied liegt jedoch in der Wortbreite, und genau hier lohnt es sich, etwas tiefer einzusteigen.

Was bedeutet „Wortbreite“?

Bevor wir Float und Double vergleichen können, müssen wir verstehen, was ein „Wort“ im Kontext eines Computers ist.

Ein Wort (Word) bezeichnet eine Grundeinheit an Daten, mit der ein Prozessor effizient arbeiten kann. Die Größe eines solchen Wortes nennt man Wortbreite.

Historisch und technisch üblich sind:

8 Bit (frühe Systeme)
16 Bit
32 Bit
64 Bit (moderne Systeme)

Ein 64-Bit-Prozessor kann zum Beispiel besonders effizient mit 64-Bit-Daten arbeiten.

Wichtig ist dabei:

Die Wortbreite bestimmt, wie viele Bits ein Datentyp typischerweise verwendet und wie viel Information gespeichert werden kann.

Float und Double im Vergleich

Nun kommen wir zu den beiden Datentypen:

Typ	Bit-Breite	Bezeichnung
Float	32 Bit	Single Precision
Double	64 Bit	Double Precision

Der Unterschied klingt zunächst trivial:
Ein Double hat einfach doppelt so viele Bits wie ein Float.

Doch diese zusätzlichen Bits haben enorme Auswirkungen.

Wie sich die Bits aufteilen

Sowohl Float als auch Double folgen dem IEEE-754-Standard, aber mit unterschiedlicher Aufteilung:

Float (32 Bit)

1 Bit Vorzeichen
8 Bit Exponent
23 Bit Mantisse

Double (64 Bit)

1 Bit Vorzeichen
11 Bit Exponent
52 Bit Mantisse

Was bedeutet das konkret?

Die zusätzliche Bitzahl beim Double wirkt sich auf zwei zentrale Aspekte aus:

1. Genauigkeit (Präzision)

Die Mantisse bestimmt, wie viele signifikante Stellen gespeichert werden können.

Float: etwa 7 Dezimalstellen
Double: etwa 15-16 Dezimalstellen

Das bedeutet:

Float  →  3.1415927
Double →  3.141592653589793
``

Ein Double kann also deutlich feinere Unterschiede darstellen.

### 2. Zahlenbereich

Der Exponent bestimmt, wie groß oder klein Zahlen sein können.

Float: etwa 10−3810^{-38}10−38 bis 103810^{38}1038  
Double: etwa 10−30810^{-308}10−308 bis 1030810^{308}10308  

Das ist ein gigantischer Unterschied.

Warum heißt es „Double Precision“?  
Der Name kommt nicht exakt daher, dass alles doppelt ist - sondern weil die Genauigkeit ungefähr verdoppelt wird.
Das ist eine direkte Folge der größeren Mantisse.

## Zusammenhang mit der Wortbreite

Hier wird es besonders interessant:  
Die Wahl zwischen Float und Double ist eng mit der Architektur eines Systems verbunden.

Beispiel:

- Auf einem 32-Bit-System passt ein Float genau in ein Wort
- Ein Double benötigt zwei Wörter
- Auf einem 64-Bit-System passt ein Double perfekt in ein Wort

Das hat praktische Auswirkungen:

- Performance (wie schnell gerechnet wird)
- Speicherverbrauch
- Alignment im Speicher (wie Daten angeordnet sind)

Ein praktischer Blick: Warum nicht immer Double?  
Wenn Double „besser“ ist - warum verwendet man dann überhaupt Float?  
Die Antwort liegt in einem klassischen Zielkonflikt:

## Speicher vs. Genauigkeit vs. Geschwindigkeit

### Speicher

Ein Double benötigt doppelt so viel Speicher wie ein Float.
Das ist relevant bei:

- großen Datenmengen
- Grafikanwendungen (Millionen von Pixelwerten)
- Machine Learning

### Geschwindigkeit

Auf modernen Prozessoren ist der Unterschied oft klein - aber:

kleinere Daten → passen besser in Cache  
weniger Speicherzugriffe → oft schneller  


### Genauigkeit (die oft überschätzt wird)

Viele Anwendungen brauchen gar keine 15 Dezimalstellen.

Beispiel:

- Bildschirmkoordinaten
- Farben (RGB-Werte)
- Spielephysik

Hier reicht Float völlig aus.

## Typische Einsatzgebiete

### Float

- 3D-Grafik (z. B. Spiele, OpenGL, DirectX)
- Audioverarbeitung
- Machine Learning (oft sogar noch kleinere Typen)

### Double

- wissenschaftliche Berechnungen
- Simulationen
- Finanzmathematik (teilweise, aber oft Integer-basierte Lösungen)

## Ein wichtiges Praxisproblem

Der Unterschied zeigt sich besonders deutlich bei scheinbar harmlosen Berechnungen:

float_value = 0.1 + 0.2 double_value = 0.1 + 0.2


Beide sind ungenau - aber:

Float hat größere Abweichung  
Double ist näher am „richtigen“ Ergebnis  

Das liegt daran, dass ein Double die Zahl intern genauer approximieren kann.

## Ein mentales Modell

Du kannst dir Float und Double so vorstellen:

Float = grobe Skizze 
Double = fein gezeichnetes Bild  

Beide stellen dasselbe Motiv dar - aber mit unterschiedlicher Detailtiefe.

## Fazit: Die richtige Wahl treffen

Der Unterschied zwischen Float und Double ist letztlich eine Frage der vorhandenen Bits - also der Wortbreite - und wie diese Bits aufgeteilt werden.

Float verwendet 32 Bit → weniger Speicher, weniger Präzision  
Double verwendet 64 Bit → mehr Speicher, deutlich höhere Präzision  

Die wichtigste Erkenntnis:

Mehr Bits bedeuten mehr Information - aber auch mehr Kosten.

Gutes Softwaredesign bedeutet daher, bewusst zu entscheiden:

Brauche ich maximale Genauigkeit → Double  
Reicht eine Näherung → Float  

Nicht jede Näherung ist gleich gut - und die Wortbreite bestimmt, wie gut sie sein kann.